（来源：上观新闻）
这也从实验🇧🇾📏数据层面为👾🙎♂️TRACE的核🏚🥎心逻辑提供了支🕺👱撑：少🇸🇩🍉数几种能力😒的缺失☸，足以解释🚻绝大多数失败😦🗒案例👨🚀📄。更重要的是，他们🍓通过大规模实验揭🎋示了当前最先进的🛄🧜♀️多模态大语言模型🤜🌧在区域🍷级质量理🚃👽解上的系统性短板🏘——即使🗓是 G🏊♀️🔇emi🇮🇩😆ni 2.5☮🏛 Pro🏓 这样的🇺🇾顶尖商业模🍚🥃型，在这类🎢任务上的表🎗⛈现也接近😃©随机猜测🃏🦹♂️的水平🐆。
每一个📬专业代理🇺🇲在开始工作时，🎖不是靠"回🚟6️⃣忆上一轮对💢话说了⏸什么"，而是💛🌗先看一眼整个工作👩🏫区的目录索引（🍃一个轻🌎♠量的"地图"🛁），然🌔🥌后按需读取与自己👨🦳任务相⛰🔽关的文件，❎🌴完成工作后再🇮🇹🥯把结果写回对🆘应文件🇨🇩📩。如果这些贷🇭🇲💒款按4%🎲⏪的利率计算🦔😻，不同🐌📶贷款合计应支付🍚的利息将更接近4👨👨👧👧👉000万🐞美元🚓。
老板盯着他🇱🇸的工作🥳记录，🚡🚻看到的只有"😸🌏这个订单没处🎰理好"🌝🎹、"那个🎼🇫🇯客户投诉了🇦🇮"，却👌很难从这些结果中🔤直接判断出，😥究竟是因为🎢他不会查客户资料🌀🐓，还是因为📩🛰他没有8️⃣核对退款➗☄政策，抑或是他接🏋了第一个⛩任务就忘了后面🌶还有其他🇭🇹任务⏳🥄。
